聚变科学数据分类分级指南（Guide for Classification and Grading of Fusion Science Data）
草案
本文为标准规范草案（征求意见前工作稿），经专家委员会审定、由聚变科学数据中心（筹）发布后方生效。
前言 (Foreword)
本文件按「单位标准保底」的层级起草，由聚变科学数据中心（筹）发布。本文件对应聚变高质量数据集专项标准规范清单第 1 项（基础类），同时对应中国科学院聚变科学数据中心专项承诺的《聚变科学数据分类分级指南》。
本文件与《聚变科学数据安全管理规范》配套使用：本文件规定怎样定级，《聚变科学数据安全管理规范》规定各级怎样保护。
范围 (Scope)
本文件规定了聚变科学数据的类别划分、级别划分、定级主体与定级规则、级别标识方法，以及数据级别与数据中心访问级别的对应关系。
本文件适用于数据中心收录、加工与发布的全部数据及其派生产物。涉及国家秘密的数据不在本文件适用范围内：数据中心当前阶段不支持涉密数据纳管，涉及国家秘密的数据禁止 (MUST NOT) 提交、入库与发布；涉密数据的管理与处理为后续工作，另行规定。
规范性引用文件 (Normative References)
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。
- 《聚变科学数据中心管理办法》
- 《聚变科学数据中心访问政策》
- 《聚变科学数据安全管理规范》
- 《中华人民共和国数据安全法》
- 《科学数据管理办法》（国办发〔2018〕17号）
- GB/T 43697—2024 数据安全技术 数据分类分级规则
所引法律法规与标准以现行有效版本为准。
术语和定义 (Terms and Definitions)
数据类别 (data category) 按数据来源与性质对数据的划分。
数据级别 (data grade) 按开放范围与受保护程度对数据的划分，决定访问方式与技术措施。
定级主体 (grading authority) 对一项数据作出定级决定并对其负责的机构或岗位。
保护期 (protection period) 实验数据自产生至按规定对外开放之前，仅向合作方开放的期间。
派生产物 (derived product) 由一项或多项来源数据经加工形成的数据、标注、数据集或模型。
分片 (shard) 数据集版本中按数据级别划分的条目集合。
数据类别 (Data Categories)
数据按来源的自然划分分为五类（表 1）。一项数据必须 (MUST) 归入且只归入一个类别。
表 1 数据类别。
| 代码 | 类别 | 含义 | 示例 |
|---|---|---|---|
EXP |
装置实验数据 | 聚变实验装置运行与诊断产生的原始数据及其标定、处理结果 | 放电诊断信号、相机图像、平衡重建结果 |
SIM |
模拟数据 | 数值模拟与建模程序的输入、输出与中间结果 | 输运模拟输出、平衡计算输入输出 |
LIT |
文献与研究语料 | 论文、报告、学位论文等文本及由其派生的语料 | 开放获取文献全文、技术报告 |
KNW |
标准与知识 | 标准、数据字典、本体、知识库与术语表 | IMAS 数据字典、领域本体 |
DER |
加工产物 | 由上述各类数据加工形成的数据集、标注与模型 | 预训练语料分片、指令数据、基准测试集、标注集 |
工程与磁体数据不在数据中心收录范围内（《聚变科学数据中心采集政策》）。
数据级别 (Data Grades)
三级划分 (Three Grades)
数据分为开放、合作、受限三级（表 2）。
表 2 数据级别。
| 级别 | 代码 | 含义 | 典型数据 |
|---|---|---|---|
| 开放 | G1 |
可向注册用户公开 | 已过保护期的实验数据集；开放获取文献派生的语料；基准测试的任务定义、题目样例与评测脚本 |
| 合作 | G2 |
按协议向合作方开放 | 保护期内的实验数据；外部机构汇交数据；授权采购的文献语料 |
| 受限 | G3 |
仅限平台内受控环境使用，不提供下载 | 基准测试的完整题目与答案；权益未决的国际合作数据；涉及装置运行安全的数据；经审查认定的受限内容 |
定级规则 (Grading Rules)
- 入库定级. 数据入库时必须 (MUST) 带数据级别与定级主体；未定级的数据必须 (MUST) 拒绝入库。
- 从严. 同一数据适用多个级别判断的，必须 (MUST) 取最严的级别。
- 派生继承. 派生产物必须 (MUST) 继承其全部来源中最严的级别，经本条第 5 款降级的除外。
- 按级分片. 数据集版本应当 (SHOULD) 按级别分别形成分片，数据集版本不因少数受限条目而整体受限；各分片独立适用其级别的访问方式。
- 升降级. 升级随时可做；降级必须 (MUST) 经数据安全负责人审批并重新评估，降级记录留存。
- 保护期届满. 保护期届满的实验数据应当 (SHOULD) 由定级主体复核后降为开放级；复核结论为不开放的，记录理由。
- 权益未决. 权属或使用条款不明、或未取得权利人书面同意用于模型训练与数据集分发的数据， 必须 (MUST) 定为受限级。
- 出口管制. 经审查认定受出口管制或来源方出口限制的数据，必须 (MUST) 定为受限级，并 禁止 (MUST NOT) 以开放级登记其元数据中的受控内容。
定级主体 (Grading Authority)
表 3 各类数据的定级主体。
| 类别 | 定级主体 |
|---|---|
| 装置实验数据 | 装置运行单位指定的数据负责人 |
| 模拟数据 | 数据提供方，经数据策展人复核 |
| 文献与研究语料 | 数据策展人，依据许可与授权条件 |
| 标准与知识 | 数据策展人，依据许可条件 |
| 加工产物 | 按第 2 款第 3 项继承；加工方不得自行降级 |
| 外部机构汇交数据 | 提供方按共享协议定级，数据策展人复核 |
保护期 (Protection Period)
装置实验数据的保护期自数据产生之日（放电日期或模拟完成日期）起 2 年；装置运行单位可按其数据管理规定另行规定并公示。保护期内的数据定为合作级。
与访问级别的对应 (Mapping to Access Levels)
数据中心的访问级别由《聚变科学数据中心访问政策》规定。数据级别与访问级别的对应关系如 表 4。一个数据集版本（或分片）的访问级别禁止 (MUST NOT) 宽于其数据级别所允许的范围。
表 4 数据级别与访问级别的对应。
| 数据级别 | 允许的访问级别 | 说明 |
|---|---|---|
开放 G1 |
开放（open） |
默认 |
合作 G2 |
延期开放（embargoed）、受限（restricted）、合作（cooperative） |
保护期内数据取延期开放并设届满日期；外部机构汇交数据按共享协议取受限或合作 |
受限 G3 |
平台内处理（enclave）、仅元数据（metadata_only） |
第三方受限数据只以仅元数据登记；平台内处理未上线前以受限级提供并加限额 |
元数据原则上公开；受限级数据的元数据中含受控内容的，必须 (MUST) 删去该内容后公开，或整条元数据不公开。
标识方法 (Labelling)
每项数据的元数据必须 (MUST) 包含下列分级字段：
| 字段 | 含义 | 取值 |
|---|---|---|
data_category |
数据类别 | EXP / SIM / LIT / KNW / DER |
data_grade |
数据级别 | G1 / G2 / G3 |
grading_authority |
定级主体 | 机构或岗位标识 |
graded_at |
定级时间 | RFC 3339 时间 |
embargo_until |
保护期届满日期 | 日期；无保护期时为空 |
export_controlled |
是否受出口管制 | 布尔 |
grade_basis |
定级依据 | 规则条目或协议标识 |
分级字段的变更必须 (MUST) 留审计记录。落地页应当 (SHOULD) 展示数据级别与访问级别。
符合性 (Conformance)
数据中心在入库、发布与降级三个环节检查本文件的符合性：入库时检查分级字段齐全，发布时检查访问级别不宽于数据级别，降级时检查审批记录。符合性检查结果计入数据集的质控摘要。